个人AI助理开发万字指南：从0到1，把AI打造成顶级思考伙伴

一份将AI用作长期思考伙伴的指南（内含入门提示词）

编者按：别再迷信提示词魔法了，AI更像是需要“入职”的新同事。给足上下文，它就是你的专属思考伙伴。如果你正在寻求大家都在谈论的、AI许诺可带来的生产力提升，那就看看这篇指南吧。文章来自编译。

先分享一件我的糗事：11个月前，我工作时还完全不用AI。

我和团队当时正在开发供数万人使用的AI产品。但轮到在我自己的工作中使用AI时，我却持抵制的态度，还引以为傲。

我不想让自己的言论听起来像网上的乌合之众。我担心如果让AI工具为我做事，我会失去自己的优势。我在尝试使用ChatGPT时，发现它在处理战略和创新性工作方面令人失望——就像在咨询一个话痨版的维基百科一样。

在内心深处，我感到很沮丧，因为我似乎不懂那些只有网红们才知道的、如同魔法咒语般的提示词技巧。

后来，我的工程团队为了一个大型项目而启动了一个文书工作繁重的Scrum新版本，要求我撰写数十个详细的用户故事。我根本跟不上进度，一下子成了团队的瓶颈。

我做了任何一个经验丰富的产品经理都会做的事：抱怨和发牢骚。最终，我的工程经理Oleksii决定可怜可怜我，教我如何用ChatGPT写出详细且近乎完美的用户故事。

Oleksii指导我（1）粘贴一个用户故事的模板范例，以及（2）使用语音转文字功能，把我对产品体验应该如何运作的那些喋喋不休的想法都录入进去。我最后还把项目的背景故事口述给了ChatGPT，就像我在团队启动会上所做那样。

ChatGPT回复的用户故事简洁、周到且逻辑严密。它提出的边缘案例也极其相关，仿佛它已经成为团队成员好几个月了。结果不仅将我杂乱无章的叙述转换成了工程团队需要的结构化模板，而且每个用户故事还包含了那些我经常忘记的规定（如移动端适配、无障碍设计、不同定价等级等）。

结果近乎完美，而我的手指甚至都没碰过键盘。ChatGPT展现出了我前所未知的超能力。

我有一种预感，写写用户故事只是我利用它工作的开始。AI能帮我处理更高级别的任务吗？它能否回答知识工作的终极问题：我下一步最应该做什么？

我意识到，AI工具之所以给我感觉像迟钝、通用的工具，是因为我没有提供足够的上下文。大语言模型（LLM）在处理智能型知识工作时可以非常高效，但前提是我们必须为它们提供与人类完成同样工作所需的相同背景知识。

上下文工程对核心技能的描述更好

LLM的最新进展让我们得以跨越不同的时间和对话来维持（并扩充）这种上下文，就像我们让一位同事随时了解最新情况一样。我们甚至可以指示LLM在与我们互动时遵循一贯的行为、价值观和准则。

当LLM掌握了关于我们目标、角色、项目、团队乃至整个组织的这些宝贵且持续更新的上下文时，它们就成了我们的“AI助手”——一个能协助处理长期复杂工作的真正思考伙伴。还记得我害怕失去优势吗？当我们把LLM看作是激发而非取代我们思考的伙伴时，我们的产出只会变得更加犀利。

AI助手或许是使用AI时“自主性”最弱的一种方式，但这正是其关键所在。随着AI工具的普及和能力的增强，我们的AI助手就在旁边支持我们，让我们在工作上做得更好。AI助手可以与我们合作，而不仅仅是为我们工作。这可能就是天壤之别。

在将近一年的时间里，我为超过20000名科技从业者和创始人举办了工作坊，教他们如何利用AI来完成工作中复杂和创新的任务。我可以确认：无论公司规模如何、属于什么垂直领域或对AI的熟悉程度如何，今天许多科技工作者都因为和我当初相同的原因而错失良机。他们没有给LLM提供体验其全部潜力所需的上下文。

下面，我将分享如何改变你对与AI合作的看法，以及如何实际构建你自己的AI助手。

AI助手擅长什么？

利用助手并不是为了让AI生成完美的答案，而是为了最大限度地发挥我们自己的潜力。丹尼尔·卡尼曼（Daniel Kahneman）因与阿摩司·特沃斯基（Amos Tversky）的合作而获得诺贝尔经济学奖，我非常喜欢他的反思：“我不是天才，特沃斯基也不是。但在一起，我们就能变得卓越非凡。”

在我们一起构建AI助手后，我的学生们开始用LLM来帮助他们做出战略决策、头脑风暴路线图想法、发展软技能，甚至为他们提供情感支持。他们的助手会挑战他们的思维，分析数据，应用决策框架，安排优先级，并帮助他们排练艰难的对话。

AI助手也让“氛围编程”一个AI原型、进行有意义的数据分析、启动AI自动化、生成AI幻灯片以及使用我们甚至还不知道的AI工具变得无限简单。因为我们的助手掌握着关于我们和我们工作的最新上下文，我们常常只需一条聊天消息，就能得到一个可以拿到任何地方使用的详细提示词。

是的，AI助手也可以起草产品需求文档（PRD）、用户研究计划、会议议程和Slack更新。（当你经常让LLM参与你的思考过程时，生成文档感觉就像是顺带手的事。）

开发助手几个月后，学生们告诉我他们“每天都在用”，而且“在工作时总是开着”。他们的助手帮助他们保持专注，提醒他们应该和谁沟通，捕捉到他们可能会错过的细微之处，并将他们变成能够分析数据和讨论技术概念的超级贡献者。他们的工作效率高到领导层会请他们去教其他人是怎么做到的。

而他们也确实这么做了！一名学生为自己团队的女性成员创建了一个职业发展助手。另一位则在替进行一对一沟通的销售经理试用AI教练。第三位在加入一家新公司时建立了一个入职助手。两周后，当他展示他的产品战略时，他的CEO评论说：“感觉你已经在这里待了好几个月了。”

我该如何搭建AI助手？

从保留一个长长的聊天线程，到创建一个极客范的Cursor代码库——你可以通过多种方式构建一个有价值的AI助手。但我偏爱的方法是用我最喜欢的LLM当中的“项目”功能。这一功能在ChatGPT、Claude、M365 Copilot以及Gemini的付费及企业版中均可使用。（后者分别称之为“声明式代理”和“Gems”。）

使用“项目”功能后，构建AI助手的过程感觉很像引入一位新队友。每个项目由三个要素组成：项目知识、指令和聊天线程。而这些要素的每一个都对应着入职流程中的一个步骤：

1.聘用助手：用指令来设定助手的角色、个性和行为。

2.引导助手：用公司和组织层面的文档填充项目知识，作为未来与助手所有对话的共享上下文。

3.启动行动：为正在进行的每个项目开启一个聊天线程。

4.开始干活：创建简单、对话式的提示词。

记住这个框架，打开你最喜欢的LLM（如果还没升级，请升级到付费版），导航到“Project”或“Gem”功能，然后开始动手吧。

如果你工作用的LLM没有项目功能怎么办？别担心，我在这篇文章的末尾为你准备了一个变通方案。

第1步：“聘用”助手

第一步是创建一个新项目。我把它命名为“Tal的AI助手”。不用担心怎么描述它的问题。

在我们的项目里，我们会靠决定希望其拥有的价值观和行为来“聘用”这位思考伙伴。就像选择同事或教练一样，我们会根据特质来选择，这些是超越了待处理的具体项目、公司战略或财季的。

“项目”功能通过定义指令来实现这一点。你可以把这些指令看作是LLM在整个对话中应用的“超级提示词”，它比你在聊天对话中输入的任何提示词都更具“粘性”。（如果你曾开发过AI产品，你可能会认出这其实是“系统提示词”的扩展版。）

为了帮助你上手，复制并粘贴以下提示词到你的项目指令中。请务必用与你角色相关的信息替换占位符：

我是[公司名]的[你的角色]，而你是我的专家级教练和顾问，协助并主动指导我，以帮助我在我的角色中发挥最大潜力。

我将向你提供关于我们公司的详细信息，比方说我们的战略、目标客户、市场洞察、产品、内部利益相关者和团队动态、过去的绩效评估以及复盘结果。

在每次对话里，我都会向你提供关于某个具体项目的信息，好让你能帮助我处理。

我期望你：在必要时向我提问以获取更多背景信息，补充重要的缺失信息，并挑战我的假设。请提出那些能让你最有效地指导和协助我履行职责的问题。

鼓励我：[列出那些能让你的角色取得成功的价值观和行为]

我希望你在以下方面找到平衡：[你希望一个既高效又合作愉快的思考伙伴和教练所具备的特质]

这个提示词没什么神圣不可侵犯的。它只是一个起点，你应该根据你希望助手表现出的行为，随着时间的推移对其进行调整。也许你希望它更俏皮一点，或者对你的话更持怀疑态度。也许你希望它更具支持性，或者更有天马行空的创造力（或者以上所有！）。关键是让它成为你专属的：把这些指令看作是一组你可以在助手整个生命周期中随意调节的旋钮。

第2步：让你的助手“入职”

恭喜！你已经“聘用”了一位性格出色、价值观一致的助手，现在是它上班的第一天。是时候让它了解你的组织、团队和角色的实际情况了。

想一想：在一位新同事入职的第一周，你会在他们被分配任何具体项目或职责之前提供什么信息？哪些信息与你所做的所有项目都相关并为其提供背景？我们将从上传这些文档到我们的“项目知识”开始。

以下是一些可为你的AI助手提供的有价值的上下文示例：

• 你公司/产品的落地页（使用浏览器“另存为PDF”）

• 你的公司战略演示文稿（导出为PDF）

• 你所有的客户细分和研究洞察

• 关于你的竞争格局的研究

• 公司愿景、战略、季度规划文档等

• 公司流程

• 你团队的组织架构图和角色分工

• 你团队过去的复盘记录

• 你最近的绩效评估或经理的非正式反馈

随便找两三个现成的就行，不用想太多。

如果你没有太多现成的书面文档，可以让LLM访谈你，以弥补其知识上的任何空白。想象一下，这就像与一位刚加入团队几天、头脑敏锐的同事喝咖啡——他们可能有一大堆问题要问。

请审阅我分享给你的信息，并向我提问以帮助你完善知识库。

在你需要帮助我处理所有当前和未来项目的过程中，你还缺少哪些重要的信息（公司和产品层面）？

多关注公司、组织和行业层面。少关注短期状况或项目（例如资源、限制或个人），因为这些会随着时间变化。

我希望你按顺序（最关键的问题优先）向我提问，这样我就可以逐一回答。

当你准备结束对话时，请它生成一个你可以上传到项目知识库的文档：

请根据我们对话中你学到的新信息创建一个文档。只包含本次对话中学到的新信息（即项目知识库中尚未包含的信息）。不要在文档中列出任何尚存的知识空白。

请优化该文档，使其适合添加到项目知识库，以便它能应用于我们未来的所有对话。

对于最突出和最重要的事情，请使用我的原话进行引用。

文档准备好后，将其下载为文件，然后重新上传到你的项目知识库中。

第3步：启动项目

既然你的新助手已经了解了宏观情况，是时候让它参与一个具体的项目了。

我建议将每个项目都放在独立的聊天线程里。这样，你的LLM可以用最少的精力追踪完整的上下文。而你将利用这个专用的聊天线程跟助手一起启动项目、进行头脑风暴和做出决策。这也是在整个项目周期内更新助手，并共同应对不可避免的曲折变化的地方。（下文我们将讨论如果聊天线程达到上限该怎么办。）

在你的项目中，打开一个新的聊天线程，并粘贴以下提示词：

既然你已经了解了我的公司和团队的背景，我想告诉你一些我正在做的项目情况，并为你提供该项目的具体上下文。

这是我目前所知的起点，随着更多信息和见解的出现，我会不断更新：

[在这里按任意顺序分享你一开始对这个项目所了解的一切。]

我建议使用口述功能（ChatGPT、Gemini和M365 Copilot内置，或用Claude移动app）来讲述你所知道的一切，以此作为开始。敞开去谈问题、客户、背景、利益相关者、组织政治——所有你脑子里想到的跟这个项目相关的一切。

不用担心需要以干净、专业的方式组织思路。用意识流的方式说出来就行。我发现，当我开始讲时，我会想起一些如果过早地组织思路可能会想不到的额外细节。

这时候，人们通常会问我该选择哪个模型。我的回答总是：你在工作中能用到的最聪明的那个模型。我们不是规模化地使用AI，所以尽可能用最好的“大脑”，即便它从工程角度看被认为“昂贵”或“太慢”。（你唯一的限制应该是公司允许用什么模型以及如何上传敏感信息。）

总结一下：你通过指令“聘用”助手，用项目知识“引导”助手，现在你又在一个聊天线程中启动项目。有了所有这些上下文，是时候让助手开始深入工作了。

第4步：让助手工作

在你的项目聊天线程启动后，将以下内容粘贴到聊天中：

我下一步应该做的最重要一件事是什么？

看看结果。你能想象在没有助手的情况下，把这个提示词发送到一个空白的LLM聊天窗口会怎样吗？由于你提供了充足的上下文和指令，你的助手会返回引人深思的反思、一针见血的问题和具体的后续步骤。在我的例子里，因为我告诉了我的助手关于团队成员和利益相关者的信息，它甚至能具体地叫出我同事的名字（！）。

当我们把AI当作一个被塞满了相关上下文的思考伙伴时，它就可以成为无尽的灵感来源。这里有一份用例和示例提示词清单，可以激发你的想象力：

注意这些提示词并没有什么花哨之处。由于LLM已经掌握了大量上下文，简单的对话式短句通常就足够了。准备好迎接惊喜和愉悦的时刻吧。用曾在Anthropic和OpenAI工作过的AI研究员Karina Nguyen的话来说：“模型非常擅长将点连成线。”

助手的其他用法

用助手开发AI原型

用AI制作原型可以缩短产品打造的路径，办法有三：

1.自我迭代：打磨你的愿景

2.与团队迭代：让对话保持务实

3.与客户迭代：验证可用性和可行性

用于开发原型（即“氛围编程”）的AI工具在这方面已经做得非常出色，以至于最难的部分变成了清晰地表达你想要什么。

由于助手一直伴随在我们左右，提出解决方案的详细描述变得容易得多。一旦你确定了方向，就请助手直接在聊天中创建一个原型（比方说，用Claude Artifacts或OpenAI Canvas）。在同一个对话线程中继续，填写以下提示词：

帮我生成这个想法的交互式原型。

我们会只构建这个想法的交互式、客户端原型版本（不含深度功能），用来作为一个好的内部反馈工具，同时也能帮助测试对客户的可用性。

将范围严格限制在我们明确讨论过的内容上。目前只考虑‘理想路径’。

[可选：我已附上当前界面的截图。请确保它看起来像素级完美，并尽可能与原始界面相似。]

先别着急干；先制定一个计划。如果需要，提醒我应该提供哪些其他文件、图片或资源来帮助你出色地完成工作。

你也可以让它生成一个提示词，喂给像v0、Replit、Lovable、Bolt等外部文本转UI工具。只需在上面的提示词后附加以下几行：

创建一个独立的文档，内含一个我可以直接粘贴到外部AI原型工具的提示词（所有注释都应放在外面，这样我就可以直接复制粘贴整个文档）。这应该是一个可供开发者使用的规范，用于构建这个交互式原型。

假设该工具除了你包含在提示词中的信息外，不懂任何先前的上下文信息。

用助手构建AI自动化

AI自动化可以帮我们处理那些重复、耗费精力的任务。不幸的是，它们并非万能神灯，只有在特定条件下才能大放异彩。这导致入门变得困难，因为第一个挑战就是想出一个既真正有价值又适合AI自动化平台的用例。

有人提到基于个性化上下文生成想法吗？这听起来像是AI助手干的活。你可以在现有的聊天线程中使用这个提示词，或者开启一个新的聊天线程进行一次性头脑风暴。无论哪种方式，它都会基于你的项目知识来提出想法：

根据你对我和我组织的了解，请为我头脑风暴五个AI自动化的想法，我可以使用像Zapier Agents/Lindy AI/Relay app/Cassidy AI/Gumloop等平台来构建。请将想法限制在那些在这些平台上有意义构建的范围内。

这些自动化应该能帮助我这个产品经理，在那些耗费精力但又至关重要的任务上节省时间，从而让我能将注意力和精力投入到更有价值、更具战略性和创造性的工作中。

问问你自己：哪些持续的重复性工作需要一些判断和写作能力，但又不需要我全部的专业知识和直觉？换句话说，如果公司给我分配一个初级实习生，我会让他们做什么？

尝试用一两句话来表述每个想法，就像你给初级实习生发消息让他做事一样。此外，在每个想法后面都附上简短的解释，说明你为什么选择这个想法而不是其他。从业务成果和我时间价值的角度，向我这个产品经理推销你的想法。

# 重要提示：这些应该是事件驱动的AI自动化，而不是批处理任务。

只建议那些在项目事项时间到时逐一处理的事件驱动型自动化——并使用当前可用的信息。不要建议按计划处理多个项目的批处理任务（比方说“每天早上，扫描所有...”或“每周，汇总...”）。

[原因：AI自动化在处理一次性、重复性的任务时表现出色。在被设计成对单个触发器做出即时响应时AI自动化的效果最好。]

❌ **错误**（批处理任务）：“每天早上，扫描所有新的支持工单并进行总结”

✅ **正确**（事件驱动）：“当一个新的支持工单到达时，分析它并在紧急时提醒我”

在最终确定你的建议之前，请核实每一项：

- 它是否由特定事件触发？✓

- 它是否一次处理一个事项？✓

- 它是否可以随着事件的发生每天运行多次？✓

如果任何一个答案是“否”，请将其修改为事件驱动型。

唯一的例外是，如果最终结果的价值是在特定的时间点交付的，比方说为了信息集中和减少噪音（比如，每周更新、关于即将发生的事件的每日简报或每周变更摘要）。如果你认为某个用例属于此例外情况，请说明你的理由。

# 示例

以下是一些产品经理从AI智能体中获得巨大价值的用例示例。请记住，这些只是为了激发你思考适合自己用例的例子。

1. 汇总需要大量点击才能获得的零散信息：

“当#feature-requests Slack频道中有新消息发布时，将客户请求提炼成2-5个关键词。在最近的Slack线程、HubSpot对话和Gong片段中搜索这些关键词，并用找到的链接回复该线程。”

“每天早上，扫描我的日历，查找客户通话，然后不要搜索网页，而是将该客户在Salesforce、Gong和Zendesk中的最近互动情况私信给我。”（这是一个例外示例，其价值在于每日都要做，目的是集中信息。）

“每周一早上，通过扫描最近的博客文章、应用商店更新和X（推特）公告，准备一份竞争对手活动摘要。”（这是一个例外示例，其价值在于每周交付以减少噪音。）

“当客户流失时，在#churn-lessons频道中发布一条消息，包含最近的支持互动、NPS评分和日期，以及流失调查的回复。”

2. 乏味、无休止但有高回报的任务：

“监控5个竞争对手的定价页面，找出变动情况。”

“当一个bug接近其关联客户的服务水平协议（SLA）截止日期时，在这个专用的Slack频道中提醒并抄送给相应的客户成功代表。”

3. 扫描海量耗时的数据：

“当一个支持案例以‘产品混淆’而非技术问题的原因得到解决时，私信我。”

“当你看到一个首次出现的功能请求时，在这个频道提醒一下。”

“当NPS调查的文本回复发布在Slack频道时，判断它是否明显属于技术问题，如果是，就在Zendesk中创建一个支持工单。”

4. 起草更新：

“每周五上午10点，撰写一份我们项目看板上所有团队的进展摘要，涵盖所有史诗级任务、范围变更，并突出任何时间线的变动。”[这是一个例外示例，其价值在于每周都要做，目的是集中信息]

注意到规律了吗？好的自动化始于“当[特定事件发生]时”，而不是“每[时间段]”，除非按每日/周等频率触发特定价值。

浏览生成的用例，并以此为灵感。进行对话！与结果互动，对那些让你觉得不妥的部分提出异议。目标是找到一个你兴奋到想要实现的用例。有了这个用例，就开启深度研究模式，并请你的助手生成一个个性化的、逐步的教程，教你如何构建这个自动化。

跟助手“聊八卦”

总有意外发生。利益相关者改变了主意，新的数据出现了，或者实际比计划的要费力得多。一次走廊里的谈话就可能颠覆一切。

要让AI助手帮助你应对，你需要让它知情。我把这个习惯称为对AI“聊八卦”，因为我向助手透露信息的方式，跟我凑到旁边的同事跟前发泄一样。

我也喜欢在这里使用语音转文字功能：“你绝对想不到我跟某某的谈话时发生了什么……”就这么简单。没有结构化的格式，没有正式的更新流程。就是那种自然而然、带着点恼怒的分享。

即便我没有任何需要执行的任务，AI助手也会记住并在以后参考这些更新。与大多数同事不同，你可以直截了当地补充一句：

我现在不想要解决方案；我只想你听着。只需回复一个“好的”来确认。

“八卦”能让上下文保持新鲜和高效。

专业提示：我个人在移动中会用LLM的原生移动应用进行口述。这让“聊八卦”感觉就像给朋友或同事发送WhatsApp语音消息一样轻松。

养成习惯，榨干AI助手的价值

能否从助手中获得最大收益取决于我们自己，而非AI。一个普通的AI助手和一个卓越的AI助手之间的区别不在于技术，而在于我们围绕它建立的习惯。

培养“AI心态”

你的AI助手无疑会带来惊喜，但它肯定不会一直都正确。这就引出了使用AI助手最重要的一个组成部分：我们的心态。

与思考伙伴——无论是人还是机器——成功合作的关键在于取其精华，去其糟粕。如果我们的汽车驾驶辅助系统在宽阔的高速公路上大声鸣叫，没什么大不了。我们还是会打开辅助驾驶，好帮助提醒我们路上有我们没看到的东西。或者想想你最喜欢的导师或知己：我们不会不断地评判他们的建议是否会“取代我们的思考”。相反，我们专注于他们说的话里面有价值和有启发性的部分。

即便错了，LLM有时候也能以一种奇怪的方式激发灵感和动力。当我不同意AI助手的建议时，它常常仍然能引发我的思考。就像任何外部建议一样，它促使我更清晰地认识到我应该做什么。

我们有责任运用自己来之不易的产品直觉来去发挥我们的品味和判断力。借用David Lieb（YC合伙人兼Google Photos创始人）的话来说：“你的直觉是这个世界上有史以来最复杂的机器学习模型。”在应用生成式AI时，运用你的专业技能和品味来识别有价值的东西。

如果你经常得到不满意的输出，问问自己：“AI在这里要想成功需要什么上下文？”或者“它获得了足够的指导来交付结果了吗？”因为我们利用LLM是为了利用它们的智能（而非知识），所以我们有责任思考应该提供什么来为它们的成功奠定基础。

要调整你的输入，将鼠标悬停在你上一条聊天消息上，然后点击所有主流LLM中都有的“编辑”按钮（或✏️图标）。提供多一点点的指导或背景信息，然后再次提交。如果你发现不多加指导或背景信息结果就不好的话，可以考虑将相关信息添加到项目知识库里。

逐步让助手增长知识

我们对AI助手的投入也能产生复利。除了定期给每个项目线程提供上下文外，我们还可以确保项目知识持续增长，从而即时惠及当前和未来的项目。

一个项目的结束是更新项目知识库的绝佳机会。首先可以分享结果，不管好坏都可以去分享。也包括团队进行的任何复盘在内。打开语音转文字功能，添加你的个人反思。最后，请它输出一份“新学到的经验教训”文档。

你大概能猜到接下来会发生什么：下载文档，并将其上传到项目知识库。当我们把真实世界的经验教训添加到我们的项目知识库中时，我们就为助手创造了更多“把点连成线”的机会，让它用令人愉悦的明智建议给我们带来惊喜。

你可以把这看作是记忆，但这是一种透明的、经过精心策划的记忆，在专业背景下完全由你控制。

注：如果达到聊天字数限制怎么办？

不同的LLM有不同的上下文窗口限制。如果你达到了限制，可以用一个提示词让LLM总结对话，这样你就可以带着关键上下文开启一个新的聊天线程。

要使用这个提示词，请将鼠标悬停在你上一条聊天消息上，点击“编辑”按钮（或✏️图标）。用以下提示词替换原文，然后按回车。

最后，使用生成的输出开启一个新的聊天线程。

本次对话已达到上下文限制。请创建一个文档，作为新LLM聊天线程的初始上下文。你的目标是在将对话长度减少约90%的同时，保留约90%的对话价值和上下文。

请扮演一位专家的角色，将工作交接给另一位将要帮助我的专家，并为他们创造最大化的成功条件，让他们感觉就像从一开始就在场一样。告诉新专家我曾隐含或明确地要求你展示的指令或行为。按时间顺序讲述故事。

请在你认为特别有价值的情况下，运用最佳判断力引用用户或AI的原话。

跳过项目知识库或系统指令中已有的任何上下文，因为这些对新线程来说自动就是可访问的。

创建独立的第二份文档，说明你选择哪些内容不放进去以及原因。

助手接下来可能会如何演变？

感觉这才刚刚开始。每天我使用AI助手的时候，都会遇到不仅会想：“要是它能……”的时刻，从我的工作坊参与者那里听到的反馈来看，我不是一个人。

今天的痛点揭示了真正的机会所在，无论是对创始人还是现有企业而言，许多初创公司正从不同角度瞄准这些机会。这是我对未来的愿望清单：

让更新项目知识变得更容易

今天，我就是助手与其他一切之间的“人肉API”。我人工复述对话发生的事情，将战略演示文稿导出为PDF，并在我想起来的时候更新我的项目知识。这行得通，但工作量很大。

想象一下，如果你的助手能直接从新的部门模板、项目管理工具或团队消息中提取信息，并随着你世界的变化而动态更新。我希望它能拥有所有这些信息而不会感到困惑、不堪重负或过度关注不相关的细节。我也希望信息能反向流动：如果思考、规划和资料搜集能在一个地方完成会怎样呢？

但真正让我兴奋的是那种感觉像动态文档一样、透明且可编辑的知识。想象一下今天的消费者级“记忆”功能，但拥有专业级的控制能力。

Cursor在编码方面的工作方式让我有所启发：想象一下选择性上下文，你可以为每次对话选择你的助手应该考虑哪些文档和项目。有时候你希望一个做的东西兼顾到另一个项目；有时候则不然。

我希望能从团队中获益

如果每位加入你的队友都有一个已经80%准备就绪的助手在等着他们会怎样？想象一下，不是从零开始，而是有个领导层策划的一个分享知识层。你仍然会有你的个人上下文，但现在它建立在团队集体智慧之上。

新的产品经理将从公司特定的模板、相关框架和真实的经验教训开始。随着时间的推移，我们的助手不仅会吸取个人经验而变得更聪明，还会有整个团队的成功和失败供它学习。

鞭笞我

那怕有了最好的助手，也总有思路枯竭的时刻。我应该更新什么信息给它？我到底该问什么问题？养成习惯比构建工具更难。

我希望AI能像一位敏锐的参谋长一样推动我，而不是等着被问。想象一下它根据你的日历来提醒你：“嘿，你明天就要开利益相关者评审会了。想角色扮演一下场景吗？”或者推动我集中精力：“现在是安排用户研究并从销售团队获取意见的好时机。”

机会不在于让助手更聪明，而在于让它们更具连接性、协作性和主动性。未来AI在工作中的作用，可能更多地在于向我们提出更好的问题，而不是提供更好的答案。

上下文改变一切

在工作中使用AI不应意味着筛选通用的回答或凭空想出完美的提示词。怎么用LLM才最富有成效呢？我们得把它看作是跟一位富有灵感的同事合作，这位同事了解你的公司战略，记得上周二你与经理的谈话，并能在其他人都下班后挑战你的假设。

当我们给AI提供它需要的上下文，并把它当作坐在我们旁边的伙伴而非神秘的神谕时，我们不会失去我们的优势，反而会将其磨得更加锋利。

附录：如果我的LLM没有“项目”功能怎么办？

虽然主流LLM提供商的所有付费计划都支持项目功能，但许多科技工作者（尤其是在大型科技公司）在他们必须使用的内部工具中无法访问LLM的项目功能。

如果你就是这种情况，别担心。项目功能不是LLM的基础能力，它只是一个用户体验（UX）上的便利。

最简单的解决方案是手动操作。将你的指令和项目知识整理到一个长文本文件中。每次你开始一个新的聊天线程时，都先把整个文件粘贴进去。这很好地模拟了项目功能在幕后的工作方式（而且比没有上下文工作要好得多）。这并不优雅，但希望你不需要太频繁地这样做。

对于那些想要更具冒险精神的解决方案的人来说：一些大型科技公司的员工意识到，虽然他们无法访问项目功能，但他们可以访问由AI驱动的软件开发环境，比如Cursor。他们发现这些环境包含了与项目功能相同的所有要素（知识、指令和聊天线程），于是他们将这些工具重用作思考伙伴（使用纯英语而非代码与它们交互）。

文章来自于“36氪网”，作者是“神译局”。